- はじめに — 地図を先に描けば迷わない
- AI / LLM エンジニア
- プラットフォーム · DevOps / SRE
- セキュリティエンジニア
- データエンジニア
- フロントエンドエンジニア
- 職種を貫く共通スキル
- どう始めるか
- 参考資料
はじめに — 地図を先に描けば迷わない
技術職の求人票を開くと、要求スキルが数十個も並んでいます。そのリストを全部勉強しようとすれば必ず疲れ果てます。必要なのはリストではなく 地図 です — この職種の核となる軸は何か、何が基礎で、何がいま本当に伸びている主題なのか、という構造です。
この記事は2026年現在、需要が最もはっきりしている5つの職種 — AI/LLMエンジニア、プラットフォーム・DevOps/SRE、セキュリティエンジニア、データエンジニア、フロントエンドエンジニア — の知識地図を描きます。各職種を「基礎 → コア → 新興テーマ」の3層構造で整理し、このサイトですぐ練習できるツールと定評ある参考資料をつなぎます。本記事は三部作の第1編です。第2編 技術面接準備プレイブック ではこの知識を面接で証明する方法を、第3編 AIで勉強する方法 ではこの知識を最速で習得する方法を扱います。
AI / LLM エンジニア
いま最も熱い職種ですが、華やかなデモの裏側の実務は意外にも堅実なエンジニアリングです。モデルを作る仕事より、モデルを製品に安全に統合する仕事 がほとんどです。
基礎
- トランスフォーマーの動作原理 — トークン化、埋め込み、セルフアテンション、コンテキストウィンドウがなぜ有限なのか
- Pythonとデータ処理の基礎、API設計
- 確率・統計の基礎感覚（temperature や top-p サンプリングが何をしているのか）
コア知識
- RAG（検索拡張生成）: チャンキング戦略、埋め込みモデルの選択、ベクトルデータベース、リランキング — 「ファインチューニングより先にRAGを検討せよ」という判断基準まで
- プロンプトエンジニアリング: システムプロンプト設計、few-shot、構造化出力（JSONスキーマ）、ツール呼び出し（tool use）
- 評価（evals）: LLM出力の品質をどう測るか — ゴールデンデータセット、LLM-as-judge の限界、回帰テスト
- サービングの経済学: トークンコスト、レイテンシ予算、キャッシング、ストリーミング — デモと本番の差はほとんどここで決まります
新興テーマ
- エージェントアーキテクチャ（計画-実行-検証ループ、マルチエージェントのオーケストレーション）
- LLMセキュリティ — プロンプトインジェクション、データ流出の防止（セキュリティ職と重なる新領域）
- 小型モデル・オンデバイス推論とコスト最適化
このサイトの ニューラルネット実習所 でアテンションと誤差逆伝播を視覚的に学び、プロンプトエンジニア ツールでプロンプトのパターンを練習できます。
プラットフォーム · DevOps / SRE
「開発者が速く、安全にデプロイできるようにする職種」へと定義が収束しつつあります。インフラ知識にソフトウェアエンジニアリングを加えたハイブリッドです。
基礎
- Linux — プロセス、ファイルシステム、ネットワーキング、シェルスクリプト（htopの読み方 はこの基礎の良い試験紙です）
- ネットワーク基礎 — DNS、TLS、HTTP、ロードバランシング
- 一つ以上のプログラミング言語（GoまたはPythonが事実上の標準）
コア知識
- コンテナとKubernetes: イメージビルドの最適化、Podスケジューリング、Service/Ingress、リソース要求と制限
- IaC（コードとしてのインフラ）: Terraformの状態管理、モジュール化、ドリフト検出
- CI/CD: パイプライン設計、漸進的デリバリー（カナリア、ブルーグリーン）、ロールバック戦略
- 可観測性: メトリクス・ログ・トレースの3本柱、SLOとエラーバジェットの設計、アラート疲れの管理
- インシデント対応: オンコール文化、非難なきポストモーテム
新興テーマ
- eBPFベースの可観測性・セキュリティ（サイドカーなしのサービスメッシュ）
- FinOps — クラウドコストをエンジニアリング指標として扱う
- プラットフォームエンジニアリング — 社内開発者プラットフォーム（IDP）とセルフサービスのゴールデンパス
Kubernetes プレイグラウンド、Linuxターミナル、eBPF プレイグラウンド、コンテナ実習室 で手を動かして練習でき、クベストロノートクイズ で資格レベルの知識を確認できます。
セキュリティエンジニア
すべての会社がソフトウェア会社になるにつれ、セキュリティは特殊職からあらゆるシステムの前提条件へと変わりました。需要に対して供給が最も不足している職種の一つです。
基礎
- OWASP Top 10 — インジェクション、クロスサイトスクリプティング、アクセス制御の不備をコードレベルで理解する
- 暗号の実務感覚 — ハッシュと暗号化の区別、対称/非対称、TLSハンドシェイク（実装はライブラリに、判断は自分に）
- ネットワークとOSの攻撃面
コア知識
- 認証・認可: OAuth 2.0とOIDCのフローごとの違い、JWTの署名検証・有効期限・保存場所の議論、セッション vs トークン
- クラウドセキュリティ: 最小権限のIAM設計、シークレット管理（ボールト、ローテーション）、ネットワーク分離
- サプライチェーンセキュリティ: 依存関係スキャン、SBOM、ビルドの完全性 — 近年最も拡大した領域
- セキュアSDLC: 脅威モデリング、コードレビューにおけるセキュリティ観点、SAST/DAST
新興テーマ
- ゼロトラストアーキテクチャ — 境界防御からアイデンティティ中心の防御へ
- LLM/AIシステムのセキュリティ — プロンプトインジェクション、モデル経由のデータ流出、AI生成コードの脆弱性
- パスキー（passkey）とフィッシング耐性認証の普及
認証・セキュリティ実習室、暗号実習室、JWTデコーダー、ハッシュ生成器 で概念を直接触れます。
データエンジニア
「データは新しい石油」という言葉は使い古されましたが、精製施設を建てる人の需要はかつてなく高い。AIブームはデータパイプラインのブームでもあります。
基礎
- SQLを深く — ウィンドウ関数、実行計画の読み方、インデックスの挙動。この職種でSQLは基礎であり最終兵器です
- 一つのプログラミング言語（たいていPython）とデータ構造の感覚
- データモデリング — 正規化、スタースキーマ、緩やかに変化するディメンション（SCD）
コア知識
- バッチとストリーミング: ELTパターン、dbtスタイルの変換レイヤー、Kafkaベースのストリーミング、exactly-once処理の実体
- レイクハウス: Parquetフォーマット、Iceberg/Deltaテーブル形式、カタログ
- データ品質とガバナンス: テスト、リネージ（系譜）、遅れて到着するデータの処理
- オーケストレーション: DAG設計、冪等なパイプライン、バックフィル戦略
新興テーマ
- DuckDB系の組み込み分析 — 「スモールデータ」の再発見
- AIワークロード向けデータ準備 — 埋め込みパイプライン、ベクトルインデックス管理
- ストリーミングとバッチの収束（統合処理エンジン）
SQLプレイグラウンド、PostgreSQLプレイグラウンド、DuckDBプレイグラウンド、メッセージキュープレイグラウンド でクエリとストリーミングの概念を実験できます。
フロントエンドエンジニア
「AIがフロントエンドを置き換える」という話が流れる間に、実際の要求水準はむしろ上がりました。コンポーネントを量産する仕事は減り、性能・アクセシビリティ・アーキテクチャを判断する仕事 が残ったからです。
基礎
- HTML/CSSを真剣に — セマンティックマークアップ、レイアウト（グリッド/フレックス）、レスポンシブ
- JavaScriptの深掘り — クロージャ、イベントループ、Promise、モジュール
- TypeScript — もはや選択肢ではなく方言です
コア知識
- Reactの現在: サーバーコンポーネントとクライアントコンポーネントの境界設計、Suspense、状態管理の簡素化の流れ
- 性能: Core Web Vitals（LCP/CLS/INP）、バンドル分析、画像最適化、レンダリング戦略（SSR/SSG/ISR）のトレードオフ
- アクセシビリティ（a11y）: キーボードナビゲーション、正しい（そして抑制的な）ARIAの使用、色のコントラスト
- テスト戦略 — 単体より統合、ユーザー視点のテスト
新興テーマ
- エッジレンダリングと部分プリレンダリング
- AI支援開発ワークフロー — 生成コードを検証・リファクタリングするレビュー力が新たな差別化要因
- デザインシステムとデザイン-コードの同期
JSサンドボックス、HTML/CSSプレイグラウンド、CSSクイズ、正規表現クイズ で基礎を鍛えられます。
職種を貫く共通スキル
5枚の地図を重ねると共通の地形が浮かびます。どの職種を選んでも、この4つは複利で積み上がります。
- 文章力: 設計ドキュメント、ポストモーテム、PRの説明 — シニアになるほどコードより文章がレバレッジになります。複利で積み上がるキャリア で扱った「可視性のある仕事」の核心手段でもあります。
- AIツールの活用: 職種を問わず生産性の乗数（multiplier）になりました。ただし、道具に飲まれず道具を使いこなす方法は別に学ぶ必要があります — 第3編 AIで勉強する方法 で扱います。
- 英語: 最新のドキュメント・議論は依然として英語が先です。流暢さとは何か のロードマップが役立ちます。
- 分散システムの基礎感覚: ネットワークは切れ、リトライは重複を生み、時計はずれます — どの職種もこの現実の上で働いています。
どう始めるか
地図を見て圧倒される必要はありません。順序があります。
- 職種を一つ選ぶ — 兼業は基礎が積み上がった後の話です。
- 基礎層から — 基礎は流行に左右されず、面接で最初に検証されます。
- コア層はプロジェクトで — 読むだけの知識は残りません。小さなものを作ってデプロイしましょう。
- 新興テーマは一つだけ選んで深く — 全部追えば全部浅くなります。
- 記録して公開する — 学んだことを文章に残せば、記憶にもキャリアにも複利が効きます。
次編では、こうして積んだ知識を面接の場で証明する方法 — コーディングテスト、システム設計、行動面接の具体的な準備法を扱います。